Wie relevant ist IBM SPSS?
Hi zusammen,
wie wichtig ist es, SPSS Skills zu haben? Bringt ein Modul etwas, in welchem das verwendet wird?
antwortenHi zusammen,
wie wichtig ist es, SPSS Skills zu haben? Bringt ein Modul etwas, in welchem das verwendet wird?
antwortenDie ganzen kommerziellen Statistik-Programme wie STATA, SAS und SPSS werden bald verschwinden. R wird sich durchsetzen. Außerhalb des akademischen Bereichs spielen die jetzt schon kaum eine Rolle mehr.
Und zu SPSS im speziellen, das wird meines Wissens nach vor hauptsächlich in der Psychologie/Soziologie/Erziehungswissenschaft benutzt. Für WiWi bringt dir das gar nichts.
Würde mich anschließen, dass zum statistischen Auswerten Python und R relevanter sind und zwischen den beiden würde ich mich auch eher für Python entscheiden.
antwortenPython oder R. Kommst du aus der Software Richtung dann Python wenn du eher Statistiker bist dann R.
antwortenWiWi Gast schrieb am 09.09.2021:
Die ganzen kommerziellen Statistik-Programme wie STATA, SAS und SPSS werden bald verschwinden. R wird sich durchsetzen. Außerhalb des akademischen Bereichs spielen die jetzt schon kaum eine Rolle mehr.
Und zu SPSS im speziellen, das wird meines Wissens nach vor hauptsächlich in der Psychologie/Soziologie/Erziehungswissenschaft benutzt. Für WiWi bringt dir das gar nichts.
STATA ist ein Sonderfall - Bockstark für Multiplikation und Inversion sehr großer Matrizen. Da kann R/Python nichts machen.
antwortenCypherEcon schrieb am 05.11.2022:
Würde mich anschließen, dass zum statistischen Auswerten Python und R relevanter sind und zwischen den beiden würde ich mich auch eher für Python entscheiden.
R stirbt langsam, Python hat mehrer DeepLearning Bibliotheken und moderne Pakete nutzen die Zwecks Skalierbarkeit. Von cuda gar nicht zu reden.
antwortenSPSS und SAS wird es aufgrund der leichten Bedienung bzw. Anwendungsfreundlichkeit nach wie vor geben.
STATA sowie MatLab werden noch recht häufig benutzt. Alle diese Programme kosten jedoch eine Menge Geld und die Funktionalitäten sind stark begrenzt wenn man selbst entwickeln will.
Ernstzunehmende Analysen werden jedoch mit R gemacht. Akademisch wie in der Wirtschaft. In den Bereichen Statistik, Data Science, Data Mining , Datenaufbereitung und Visualisierung kann auch Python nicht mit R mithalten, was oft fälschlicherweise behauptet wird. Mit R/RStudio lassen sich gleichermaßen Dashboards, Reports HTML Blogs, SQL Datenbanken usw. usw erstellen. Dabei ist R weitestgehend kostenlos.
R hat eine rießen Community und hat seit der Corona Pandemie seinen zweiten Aufschwung erlebt. Mittlerweile kann R als eine vollständige Programmiersprache angesehen werden, die von interaktiven Grafiken bis hin zu Deep und Machinelles Lernen alles kann.
Python ist ebenfalls eine gute Wahl und stellt eine General Purpose Skriptsprache dar, die v.a. in der Informatik und im Deep Learning Bereich Anwendung findet.
antwortenWiWi Gast schrieb am 09.09.2021:
Hi zusammen,
wie wichtig ist es, SPSS Skills zu haben? Bringt ein Modul etwas, in welchem das verwendet wird?
Absolut irrelevant in der freien Wirtschaft
antwortenStata und SPSS werden quasi nur an Unis verwendet, für Unternehmen sind die viel zu teuer.
antwortenWiWi Gast schrieb am 05.11.2022:
SPSS und SAS wird es aufgrund der leichten Bedienung bzw. Anwendungsfreundlichkeit nach wie vor geben.
STATA sowie MatLab werden noch recht häufig benutzt. Alle diese Programme kosten jedoch eine Menge Geld und die Funktionalitäten sind stark begrenzt wenn man selbst entwickeln will.
Ernstzunehmende Analysen werden jedoch mit R gemacht. Akademisch wie in der Wirtschaft. In den Bereichen Statistik, Data Science, Data Mining , Datenaufbereitung und Visualisierung kann auch Python nicht mit R mithalten, was oft fälschlicherweise behauptet wird. Mit R/RStudio lassen sich gleichermaßen Dashboards, Reports HTML Blogs, SQL Datenbanken usw. usw erstellen. Dabei ist R weitestgehend kostenlos.
R hat eine rießen Community und hat seit der Corona Pandemie seinen zweiten Aufschwung erlebt. Mittlerweile kann R als eine vollständige Programmiersprache angesehen werden, die von interaktiven Grafiken bis hin zu Deep und Machinelles Lernen alles kann.Python ist ebenfalls eine gute Wahl und stellt eine General Purpose Skriptsprache dar, die v.a. in der Informatik und im Deep Learning Bereich Anwendung findet.
Alles, was du beschrieben hast, lässt sich mit Python genauso machen
Und R war schon immer eine vollständige Programmiersprache
WiWi Gast schrieb am 05.11.2022:
Die ganzen kommerziellen Statistik-Programme wie STATA, SAS und SPSS werden bald verschwinden. R wird sich durchsetzen. Außerhalb des akademischen Bereichs spielen die jetzt schon kaum eine Rolle mehr.
Und zu SPSS im speziellen, das wird meines Wissens nach vor hauptsächlich in der Psychologie/Soziologie/Erziehungswissenschaft benutzt. Für WiWi bringt dir das gar nichts.STATA ist ein Sonderfall - Bockstark für Multiplikation und Inversion sehr großer Matrizen. Da kann R/Python nichts machen.
Das ist Quatsch STATA läuft nicht einmal auf GPUs. Das mag vlt sein wenn die Analyse local auf einem Laptop läuft aber bei allem anderen ist Python durch CUDA und numpy stark überlegen.
antwortenWiWi Gast schrieb am 05.11.2022:
CypherEcon schrieb am 05.11.2022:
Würde mich anschließen, dass zum statistischen Auswerten Python und R relevanter sind und zwischen den beiden würde ich mich auch eher für Python entscheiden.
R stirbt langsam, Python hat mehrer DeepLearning Bibliotheken und moderne Pakete nutzen die Zwecks Skalierbarkeit. Von cuda gar nicht zu reden.
Das Gegenteil ist der Fall, R outperformt in vielen Bereichen des Data Science Python. In 8 von 10 Fällen gibt es die gleichen Bibliotheken von Python auch für R (z.B. Keras, Tensorflow, Pytorch, usw.). R sowie Python sind in ihrer Grundfunktion sehr langsam im Vergleich da beide nicht Compiliert werden. Werden diese Grundfunktionen erweitert outperformt R die Geschwindigkeit von Python v.a. mit dem Package ,,data.table" oder auch rcpp (C++ Integration in R). Die Skalierbarkeit ist in R noch ein Problem das stimmt. In naher Zukunft wird sich R jedoch sowieso zu einer Gener.Purp.Lang. entwickeln.
Für Deep Learning Modelle benutze ich auch eher Python aber für die Datenaufbereitung und alles außerhalb von DL nehme ich eigentlich R.
antwortenWiWi Gast schrieb am 05.11.2022:
SPSS und SAS wird es aufgrund der leichten Bedienung bzw. Anwendungsfreundlichkeit nach wie vor geben.
STATA sowie MatLab werden noch recht häufig benutzt. Alle diese Programme kosten jedoch eine Menge Geld und die Funktionalitäten sind stark begrenzt wenn man selbst entwickeln will.
Ernstzunehmende Analysen werden jedoch mit R gemacht. Akademisch wie in der Wirtschaft. In den Bereichen Statistik, Data Science, Data Mining , Datenaufbereitung und Visualisierung kann auch Python nicht mit R mithalten, was oft fälschlicherweise behauptet wird. Mit R/RStudio lassen sich gleichermaßen Dashboards, Reports HTML Blogs, SQL Datenbanken usw. usw erstellen. Dabei ist R weitestgehend kostenlos.
R hat eine rießen Community und hat seit der Corona Pandemie seinen zweiten Aufschwung erlebt. Mittlerweile kann R als eine vollständige Programmiersprache angesehen werden, die von interaktiven Grafiken bis hin zu Deep und Machinelles Lernen alles kann.Python ist ebenfalls eine gute Wahl und stellt eine General Purpose Skriptsprache dar, die v.a. in der Informatik und im Deep Learning Bereich Anwendung findet.
Quatsch.
Hab in finance promoviert und arbeite im quantitativen AM in London. R habe ich noch nie benutzt und das spielt hier auch keine Rolle. Das liegt u.a. daran das R nur schlecht OOJ Programmierung unterstützt und daher schwieriger skalierbar in einer Produktivumgebung ist.
Dazu kommt das ein unerheblicher Anteil der Quants nen Mathe, Informatik oder Physik Hintergrund haben und daher mehr mit C+ oder Java aufgewachsen sind.
Dazu: In einer Produktivumgebung setzt man nicht gerne auf OS Software, da man verhindern will Bibliothek ABC von unbekannt zu benutzen. Da ist der Funktionsumfang von Matlab (und stata) auch deutlich weiter.
Das meiste läuft über dementsprechend über Matlab, v.a. wenn man schnell ein Modell aufsetzen oder testen muss, oder C++, manchmal auch Java, wenn eine große Implementierung geschrieben wird. Python gewinnt dazu, richtig.
In der Forschung in finance wird entweder stata verwendet oder matlab (v.a.für Bayessianische ökonometrie und numerische Integration). SAS wird auch viel verwendet, wenn man große Datensätze hat und weil WRDS das auf denen Servern anbietet. Es gibt auch Ausnahmen und Papers, die auf R oder C++ basieren, da sind aber Ausnahmen.
antwortenWiWi Gast schrieb am 06.11.2022:
SPSS und SAS wird es aufgrund der leichten Bedienung bzw. Anwendungsfreundlichkeit nach wie vor geben.
STATA sowie MatLab werden noch recht häufig benutzt. Alle diese Programme kosten jedoch eine Menge Geld und die Funktionalitäten sind stark begrenzt wenn man selbst entwickeln will.
Ernstzunehmende Analysen werden jedoch mit R gemacht. Akademisch wie in der Wirtschaft. In den Bereichen Statistik, Data Science, Data Mining , Datenaufbereitung und Visualisierung kann auch Python nicht mit R mithalten, was oft fälschlicherweise behauptet wird. Mit R/RStudio lassen sich gleichermaßen Dashboards, Reports HTML Blogs, SQL Datenbanken usw. usw erstellen. Dabei ist R weitestgehend kostenlos.
R hat eine rießen Community und hat seit der Corona Pandemie seinen zweiten Aufschwung erlebt. Mittlerweile kann R als eine vollständige Programmiersprache angesehen werden, die von interaktiven Grafiken bis hin zu Deep und Machinelles Lernen alles kann.Python ist ebenfalls eine gute Wahl und stellt eine General Purpose Skriptsprache dar, die v.a. in der Informatik und im Deep Learning Bereich Anwendung findet.
Quatsch.
Hab in finance promoviert und arbeite im quantitativen AM in London. R habe ich noch nie benutzt und das spielt hier auch keine Rolle. Das liegt u.a. daran das R nur schlecht OOJ Programmierung unterstützt und daher schwieriger skalierbar in einer Produktivumgebung ist.
Dazu kommt das ein unerheblicher Anteil der Quants nen Mathe, Informatik oder Physik Hintergrund haben und daher mehr mit C+ oder Java aufgewachsen sind.
Dazu: In einer Produktivumgebung setzt man nicht gerne auf OS Software, da man verhindern will Bibliothek ABC von unbekannt zu benutzen. Da ist der Funktionsumfang von Matlab (und stata) auch deutlich weiter.
Das meiste läuft über dementsprechend über Matlab, v.a. wenn man schnell ein Modell aufsetzen oder testen muss, oder C++, manchmal auch Java, wenn eine große Implementierung geschrieben wird. Python gewinnt dazu, richtig.
In der Forschung in finance wird entweder stata verwendet oder matlab (v.a.für Bayessianische ökonometrie und numerische Integration). SAS wird auch viel verwendet, wenn man große Datensätze hat und weil WRDS das auf denen Servern anbietet. Es gibt auch Ausnahmen und Papers, die auf R oder C++ basieren, da sind aber Ausnahmen.
Du hörst dich nicht wie einer an, der promoviert hat, sondern eher wie ein Student mit FH-Beigeschmack…
antwortenWiWi Gast schrieb am 06.11.2022:
SPSS und SAS wird es aufgrund der leichten Bedienung bzw. Anwendungsfreundlichkeit nach wie vor geben.
STATA sowie MatLab werden noch recht häufig benutzt. Alle diese Programme kosten jedoch eine Menge Geld und die Funktionalitäten sind stark begrenzt wenn man selbst entwickeln will.
Ernstzunehmende Analysen werden jedoch mit R gemacht. Akademisch wie in der Wirtschaft. In den Bereichen Statistik, Data Science, Data Mining , Datenaufbereitung und Visualisierung kann auch Python nicht mit R mithalten, was oft fälschlicherweise behauptet wird. Mit R/RStudio lassen sich gleichermaßen Dashboards, Reports HTML Blogs, SQL Datenbanken usw. usw erstellen. Dabei ist R weitestgehend kostenlos.
R hat eine rießen Community und hat seit der Corona Pandemie seinen zweiten Aufschwung erlebt. Mittlerweile kann R als eine vollständige Programmiersprache angesehen werden, die von interaktiven Grafiken bis hin zu Deep und Machinelles Lernen alles kann.Python ist ebenfalls eine gute Wahl und stellt eine General Purpose Skriptsprache dar, die v.a. in der Informatik und im Deep Learning Bereich Anwendung findet.
Quatsch.
Hab in finance promoviert und arbeite im quantitativen AM in London. R habe ich noch nie benutzt und das spielt hier auch keine Rolle. Das liegt u.a. daran das R nur schlecht OOJ Programmierung unterstützt und daher schwieriger skalierbar in einer Produktivumgebung ist.
Dazu kommt das ein unerheblicher Anteil der Quants nen Mathe, Informatik oder Physik Hintergrund haben und daher mehr mit C+ oder Java aufgewachsen sind.
Dazu: In einer Produktivumgebung setzt man nicht gerne auf OS Software, da man verhindern will Bibliothek ABC von unbekannt zu benutzen. Da ist der Funktionsumfang von Matlab (und stata) auch deutlich weiter.
Das meiste läuft über dementsprechend über Matlab, v.a. wenn man schnell ein Modell aufsetzen oder testen muss, oder C++, manchmal auch Java, wenn eine große Implementierung geschrieben wird. Python gewinnt dazu, richtig.
In der Forschung in finance wird entweder stata verwendet oder matlab (v.a.für Bayessianische ökonometrie und numerische Integration). SAS wird auch viel verwendet, wenn man große Datensätze hat und weil WRDS das auf denen Servern anbietet. Es gibt auch Ausnahmen und Papers, die auf R oder C++ basieren, da sind aber Ausnahmen.
Was erzählst denn du für einen Unsinn? :D Bist du ein Troll ?
Als " Promovent" in einem "anspruchsvollen" Feld wie Finance müsstest du eigentlich fitter sein bzgl. deiner hier getätigten Aussagen. Viele Artikel im Statistikbereich, ML, DS etc. werden mit oder mit R zusätzlich programmiert. Das R nicht in der maschinellen Produktion oder sonstigen IT lastigen Bereichen eingesetzt wird ist eigentlich trivial zu erwähnen und deutet in deinem Fall auf erst oder zweitsemester hin. Naja sei es drum... Python wird ebenfalls weniger im Produktionsbereich eingesetzt wenn Große Systeme hochgezogen werden sollen. Da wird dann C/ C++ oder mittlerweile auch GO benutzt. Jedoch haben auch diese Sprachen lücken und müssen auf Bibliotheken zugreifen, was ganz normal ist. In der akademischen Forschung ist R State of the Art und das mit Abstand mächtigste Tool für Datenanalyse, Statistik, Grafiken, Machine Learning und Co. Python Punktet im bereich Deep Learning und einigen bereichen außerhalb Data Science was ich hier aber jetzt nicht beurteilten möchte.
SAS, SPSS, MATLAB und STATA sind dagegen einfach obsolet. Diese Software haben zwar ihre Nischestärken aber dies rechtfertigt nicht einen solch hohen Preis/M. Nun ja alles weitere kannst du selbst nachforschen, dazu ist mir die Zeit zu schade um hier alles vorzukauen. Für Big Data und Co. greifen beide Skriptsprachen R und Python auf Spark, Hadoop o.ä. zurück. Die Schnittstellen sind die selben.
Recherchiere nochmal gründlich nach und dann können wir uns hier ja nochmal austauschen, wenn deine Meinung etwas gefestigter und ausgefeilter ist.
WiWi Gast schrieb am 06.11.2022:
WiWi Gast schrieb am 05.11.2022:
SPSS und SAS wird es aufgrund der leichten Bedienung bzw. Anwendungsfreundlichkeit nach wie vor geben.
STATA sowie MatLab werden noch recht häufig benutzt. Alle diese Programme kosten jedoch eine Menge Geld und die Funktionalitäten sind stark begrenzt wenn man selbst entwickeln will.
Ernstzunehmende Analysen werden jedoch mit R gemacht. Akademisch wie in der Wirtschaft. In den Bereichen Statistik, Data Science, Data Mining , Datenaufbereitung und Visualisierung kann auch Python nicht mit R mithalten, was oft fälschlicherweise behauptet wird. Mit R/RStudio lassen sich gleichermaßen Dashboards, Reports HTML Blogs, SQL Datenbanken usw. usw erstellen. Dabei ist R weitestgehend kostenlos.
R hat eine rießen Community und hat seit der Corona Pandemie seinen zweiten Aufschwung erlebt. Mittlerweile kann R als eine vollständige Programmiersprache angesehen werden, die von interaktiven Grafiken bis hin zu Deep und Machinelles Lernen alles kann.Python ist ebenfalls eine gute Wahl und stellt eine General Purpose Skriptsprache dar, die v.a. in der Informatik und im Deep Learning Bereich Anwendung findet.
Quatsch.
Hab in finance promoviert und arbeite im quantitativen AM in London. R habe ich noch nie benutzt und das spielt hier auch keine Rolle. Das liegt u.a. daran das R nur schlecht OOJ Programmierung unterstützt und daher schwieriger skalierbar in einer Produktivumgebung ist.
Dazu kommt das ein unerheblicher Anteil der Quants nen Mathe, Informatik oder Physik Hintergrund haben und daher mehr mit C+ oder Java aufgewachsen sind.
Dazu: In einer Produktivumgebung setzt man nicht gerne auf OS Software, da man verhindern will Bibliothek ABC von unbekannt zu benutzen. Da ist der Funktionsumfang von Matlab (und stata) auch deutlich weiter.
Das meiste läuft über dementsprechend über Matlab, v.a. wenn man schnell ein Modell aufsetzen oder testen muss, oder C++, manchmal auch Java, wenn eine große Implementierung geschrieben wird. Python gewinnt dazu, richtig.
In der Forschung in finance wird entweder stata verwendet oder matlab (v.a.für Bayessianische ökonometrie und numerische Integration). SAS wird auch viel verwendet, wenn man große Datensätze hat und weil WRDS das auf denen Servern anbietet. Es gibt auch Ausnahmen und Papers, die auf R oder C++ basieren, da sind aber Ausnahmen.
Wo hast du bitte promoviert?
antwortenSAS ist in der Finanzbranche absolut geläufig.
antwortenWiWi Gast schrieb am 07.11.2022:
SPSS und SAS wird es aufgrund der leichten Bedienung bzw. Anwendungsfreundlichkeit nach wie vor geben.
STATA sowie MatLab werden noch recht häufig benutzt. Alle diese Programme kosten jedoch eine Menge Geld und die Funktionalitäten sind stark begrenzt wenn man selbst entwickeln will.
Ernstzunehmende Analysen werden jedoch mit R gemacht. Akademisch wie in der Wirtschaft. In den Bereichen Statistik, Data Science, Data Mining , Datenaufbereitung und Visualisierung kann auch Python nicht mit R mithalten, was oft fälschlicherweise behauptet wird. Mit R/RStudio lassen sich gleichermaßen Dashboards, Reports HTML Blogs, SQL Datenbanken usw. usw erstellen. Dabei ist R weitestgehend kostenlos.
R hat eine rießen Community und hat seit der Corona Pandemie seinen zweiten Aufschwung erlebt. Mittlerweile kann R als eine vollständige Programmiersprache angesehen werden, die von interaktiven Grafiken bis hin zu Deep und Machinelles Lernen alles kann.Python ist ebenfalls eine gute Wahl und stellt eine General Purpose Skriptsprache dar, die v.a. in der Informatik und im Deep Learning Bereich Anwendung findet.
Quatsch.
Hab in finance promoviert und arbeite im quantitativen AM in London. R habe ich noch nie benutzt und das spielt hier auch keine Rolle. Das liegt u.a. daran das R nur schlecht OOJ Programmierung unterstützt und daher schwieriger skalierbar in einer Produktivumgebung ist.
Dazu kommt das ein unerheblicher Anteil der Quants nen Mathe, Informatik oder Physik Hintergrund haben und daher mehr mit C+ oder Java aufgewachsen sind.
Dazu: In einer Produktivumgebung setzt man nicht gerne auf OS Software, da man verhindern will Bibliothek ABC von unbekannt zu benutzen. Da ist der Funktionsumfang von Matlab (und stata) auch deutlich weiter.
Das meiste läuft über dementsprechend über Matlab, v.a. wenn man schnell ein Modell aufsetzen oder testen muss, oder C++, manchmal auch Java, wenn eine große Implementierung geschrieben wird. Python gewinnt dazu, richtig.
In der Forschung in finance wird entweder stata verwendet oder matlab (v.a.für Bayessianische ökonometrie und numerische Integration). SAS wird auch viel verwendet, wenn man große Datensätze hat und weil WRDS das auf denen Servern anbietet. Es gibt auch Ausnahmen und Papers, die auf R oder C++ basieren, da sind aber Ausnahmen.
Was erzählst denn du für einen Unsinn? :D Bist du ein Troll ?
Als " Promovent" in einem "anspruchsvollen" Feld wie Finance müsstest du eigentlich fitter sein bzgl. deiner hier getätigten Aussagen. Viele Artikel im Statistikbereich, ML, DS etc. werden mit oder mit R zusätzlich programmiert. Das R nicht in der maschinellen Produktion oder sonstigen IT lastigen Bereichen eingesetzt wird ist eigentlich trivial zu erwähnen und deutet in deinem Fall auf erst oder zweitsemester hin. Naja sei es drum... Python wird ebenfalls weniger im Produktionsbereich eingesetzt wenn Große Systeme hochgezogen werden sollen. Da wird dann C/ C++ oder mittlerweile auch GO benutzt. Jedoch haben auch diese Sprachen lücken und müssen auf Bibliotheken zugreifen, was ganz normal ist. In der akademischen Forschung ist R State of the Art und das mit Abstand mächtigste Tool für Datenanalyse, Statistik, Grafiken, Machine Learning und Co. Python Punktet im bereich Deep Learning und einigen bereichen außerhalb Data Science was ich hier aber jetzt nicht beurteilten möchte.
SAS, SPSS, MATLAB und STATA sind dagegen einfach obsolet. Diese Software haben zwar ihre Nischestärken aber dies rechtfertigt nicht einen solch hohen Preis/M. Nun ja alles weitere kannst du selbst nachforschen, dazu ist mir die Zeit zu schade um hier alles vorzukauen. Für Big Data und Co. greifen beide Skriptsprachen R und Python auf Spark, Hadoop o.ä. zurück. Die Schnittstellen sind die selben.
Recherchiere nochmal gründlich nach und dann können wir uns hier ja nochmal austauschen, wenn deine Meinung etwas gefestigter und ausgefeilter ist.
In der Industrie spielen die Lizenzkosten fast keine Rolle wenn man Millionen für Daten ausgibt. Leider irrst du dich bei R. Meine Gründen waren klar dargestellt, gehe doch erstmal darauf ein bevor du persönlich Beleidigungen bringst. Gerade die Tatsache das du so mit Diffamierungen arbeiten musst um deinen Punkt zu retten, spricht nicht für dich.
Dazu wurde von Finance gesprochen, da ist die Schnittmenge mit ML & co sicher nicht die leere Menge aber auch nicht so groß wie du das darstellen willst.
Bitte informiere dich hier besser.
antwortenWiWi Gast schrieb am 07.11.2022:
SAS ist in der Finanzbranche absolut geläufig.
Ich arbeite als Berater in FS. SAS ist (leider) sehr geläufig. Python sieht man immer öfter. R sieht man sehr sehr selten. SPSS, Matlab und Stata existiert praktisch nicht.
antwortenAlles hat irgendwo seine Daseinsberechtigung.
SPSS hat eine recht intuitive Oberfläche. Als Programmiersprache taugt das aber überhaupt nicht und stößt in jedem Projekt, was über einfaches Anwenden eines fertigen statistischen Modells hinausgeht (also fast alles, wo nicht einfach nur Umfragen ausgewertet werden), sofort an seine Grenzen. Dass die Software Geld kostet, ist schon fast eine Frechheit.
Matlab ist super praktisch, wenn man einfach und schnell etwas implementieren will. Letztlich kann man damit sehr viel machen, die Syntax ist extrem menschenfreundlich und gut dokumentiert.
Über R kann ich mangels viel Nutzung wenig sagen, fand die Syntax aber immer recht umständlich wie auch bei Stata.
Python ist von allen Programmiersprachen im Bereich Data Science wohl am versatilsten. Durch die riesige Userschaft findet man zu vielen Problemen fertige Libraries. Dazu kostet es halt nichts. Das ist durchaus auch bei Unternehmen ein Punkt, auch wenn hier anderes behauptet wird; bei mir (BB) soll in den nächsten 10 Jahren deshalb weg von Matlab auf Python migriert werden, auch wenn ich davon nicht allzu viel halte. Wie gesagt, es hängt von der Anwendung ab.
Ansonsten hat man bei Python allerdings auch viel mit den ganzen unterschiedlichen Versionen der Libraries zu kämpfen, wenn man nicht immer am gleichen Problem sitzt.
R hat bessere syntax für data engineering, python mehr bleeding edge Zeug und besseren gpu support. Moderner und schneller als beide ( Python ist an sich lahm, R ist zumindest bei Matrizen und Vektoren extrem gut da von Statistikern für Statistiker entwickelt) ist Julia, aber viele Pakete gibts noch nicht im gleichen Umfang
antwortenHier gehen die Meinung stark auseinander. Ich für meinen Teil sehe ständig (neben Python) in Stellenanzeigen: Kenntnisse in Python, R, Java, ... . Ich denke R wird aufgrund von Community und Loyalitätsfaktoren seitens Python und Co. stark unterschätzt. Auch dass R nur für Statistik zu gebrauchen ist, trifft seit rund 12 Jahren nicht mehr zu. Aber btw. Da Data Science nichts anderes als Statistik in einem neuen Gewandt ist, war R schon immer eine Data Science Sprache.
Python wird in der Forschung und berufl. Praxis hauptsächlich für ML und AI bzw. Data Science genutzt. Genau diese Funktionalitäten bringt R mindestens, wenn nicht in vielen Bereichen überlegenen, alle mit. R basiert wie Python auf API's und unzähligen Bibliotheken. Wenn R bspw. mit Hadoop oder Spark connected ist, ergibt sich z.B. auch ein Geschwindigkeitsvergleich zwischen den Skriptsprachen.
Die Sichweisen bzgl. Matlab, SAS und Co. Kann ich kaum nachvollziehen. SAS sehe ich noch ab und an in der Medizin und Pharma ja. Aber Matlab eigentlich kaum außerhalb der Mathefakultäten.
antwortenIBM SPSS wird lediglich noch in den Geisteswissenschaften, Sozialwissenschaften und Psychologie benutzt. In der freien Wirtschaft hat dieses Programm keine bedeutung (mehr). Dafür gibt es R und Python
antwortenWiWi Gast schrieb am 09.11.2022:
IBM SPSS wird lediglich noch in den Geisteswissenschaften, Sozialwissenschaften und Psychologie benutzt. In der freien Wirtschaft hat dieses Programm keine bedeutung (mehr). Dafür gibt es R und Python
In der Pharma noch ab und an
antwortenWiWi Gast schrieb am 06.11.2022:
CypherEcon schrieb am 05.11.2022:
Würde mich anschließen, dass zum statistischen Auswerten Python und R relevanter sind und zwischen den beiden würde ich mich auch eher für Python entscheiden.
R stirbt langsam, Python hat mehrer DeepLearning Bibliotheken und moderne Pakete nutzen die Zwecks Skalierbarkeit. Von cuda gar nicht zu reden.
Das Gegenteil ist der Fall, R outperformt in vielen Bereichen des Data Science Python. In 8 von 10 Fällen gibt es die gleichen Bibliotheken von Python auch für R (z.B. Keras, Tensorflow, Pytorch, usw.). R sowie Python sind in ihrer Grundfunktion sehr langsam im Vergleich da beide nicht Compiliert werden. Werden diese Grundfunktionen erweitert outperformt R die Geschwindigkeit von Python v.a. mit dem Package ,,data.table" oder auch rcpp (C++ Integration in R). Die Skalierbarkeit ist in R noch ein Problem das stimmt. In naher Zukunft wird sich R jedoch sowieso zu einer Gener.Purp.Lang. entwickeln.
Für Deep Learning Modelle benutze ich auch eher Python aber für die Datenaufbereitung und alles außerhalb von DL nehme ich eigentlich R.
Beide Sprachen haben Vor und Nachteile. Eine Diskussion über das Austerben einer Programmiersprache führt in diesem Fall zu rein garnichts. SPSS ist da schon eher betroffen.
antwortenWiWi Gast schrieb am 10.11.2022:
CypherEcon schrieb am 05.11.2022:
Würde mich anschließen, dass zum statistischen Auswerten Python und R relevanter sind und zwischen den beiden würde ich mich auch eher für Python entscheiden.
R stirbt langsam, Python hat mehrer DeepLearning Bibliotheken und moderne Pakete nutzen die Zwecks Skalierbarkeit. Von cuda gar nicht zu reden.
Das Gegenteil ist der Fall, R outperformt in vielen Bereichen des Data Science Python. In 8 von 10 Fällen gibt es die gleichen Bibliotheken von Python auch für R (z.B. Keras, Tensorflow, Pytorch, usw.). R sowie Python sind in ihrer Grundfunktion sehr langsam im Vergleich da beide nicht Compiliert werden. Werden diese Grundfunktionen erweitert outperformt R die Geschwindigkeit von Python v.a. mit dem Package ,,data.table" oder auch rcpp (C++ Integration in R). Die Skalierbarkeit ist in R noch ein Problem das stimmt. In naher Zukunft wird sich R jedoch sowieso zu einer Gener.Purp.Lang. entwickeln.
Für Deep Learning Modelle benutze ich auch eher Python aber für die Datenaufbereitung und alles außerhalb von DL nehme ich eigentlich R.
Beide Sprachen haben Vor und Nachteile. Eine Diskussion über das Austerben einer Programmiersprache führt in diesem Fall zu rein garnichts. SPSS ist da schon eher betroffen.
Stimme ich zu !
antwortenSo manch gelungene Skripte sind in den Weiten des Internet verborgen. WiWi-TReFF stellt euch im Skript-Tipp der Woche jeweils eines davon vor. Das neue Skript SPSS für Windows der Universität Osnabrück liegt im PDF-Format vor und umfasst 132 Seiten.
Tutorial des Leibniz-Rechenzentrums München
Jeden sechsten Studierenden macht das Studium psychisch krank. Rund 470.000 Studentinnen und Studenten leiden bereits unter dem steigen Zeit- und Leistungsdruck im Studium. Zudem belasten finanzielle Sorgen und Zukunftsängste die angehenden Akademiker. Das Risiko an einer Depression zu erkranken, steigt bei Studierenden mit zunehmendem Alter deutlich an, wie der aktuelle Arztreport 2018 der Barmer Krankenkasse zeigt.
Das Bundesministerium für Bildung und Forschung (BMBF) hat das Onlineportal »studienabbruch-und-dann.de« gestartet. Das Portal informiert Studienzweifler und Studienabbrecher über Wege und zielgerichtete Hilfsangebote, um ihr Hochschulstudium erfolgreich abschließen zu können.
Einzelkämpfer haben es beim Tausch von Mitschriften und alten Klausuren oft wesentlich schwerer. Wer frühzeitig Kontakte knüpft, steht im Prüfungsstress zudem nicht ganz alleine da.
Eine gewisse Orientierungslosigkeit bringt der Studienanfang meist mit sich. Damit sich selbige nicht bis zum 10. Semester hinzieht, werden hier ein paar zentrale Begriffe und Faktoren des Studiums erläutert.
Das Deutsche Studentenwerk (DSW) hat die Lebenshaltungskosten von Studierenden ermittelt und mit der Höhe der BAföG-Bedarfssätze verglichen. Als Konsequenz daraus lauten die Forderungen des DSW den BAföG-Grundbedarf, die Wohnpauschale und den Kranken- und Pflegeversicherungszuschlag für Studierende ab 30 zu erhöhen. Die neue Studie „Ermittlung der Lebenshaltungskosten von Studierenden“ des Forschungsinstituts für Bildungs- und Sozialökonomie (FiBS) steht kostenlos zum Download bereit.
Hohe Studienabbrecherzahlen sind immer noch ein Problem. Studierende, die gut in das Studienleben integriert sind, brechen seltener das Studium ab. Das zeigt eine aktuelle CHE-Studie des Centrum für Hochschulentwicklung. Die Erstsemesterparty nützt dem Studienerfolg demnach ebenso wie der Brückenkurs.
Wer hat alte Klausuren der Professoren? Wo stellt man einen Antrag auf ein Urlaubssemester, und: Was tun, wenn man in der Prüfungszeit krank wird?
Die Studenten stehen unter Stress – in erster Linie verursacht durch Zeitdruck, Leistungsdruck, Angst vor Überforderung und zu hohen Ansprüchen an sich selbst. Statt gezielt zu lernen, lassen sich Studenten oft ablenken und verschenken wertvolle Zeit. Wirtschaftsstudenten sind deutlich weniger gestresst, als die meisten Kommilitonen anderer Studiengänge. Das zeigt eine Studie der Universität Hohenheim im Auftrag des AOK-Bundesverbands.
Neue DSW-Sozialerhebung: Die 41-Stunden-Woche ist bei Studierenden die Regel.
Pflichtvorlesungen und -seminare, stundenlanges Arbeiten am Schreibtisch: Studenten verbringen viel Zeit im Sitzen und müssen in relativ kurzer Zeit so einiges leisten. Umso wichtiger ist es für sie, in der Freizeit sportlich aktiv zu sein. Wie die heutigen Studenten Sport machen, hat sich parallel zu den wachsenden Anforderungen des Studiums verändert. Wie lassen sich Sport und Studium sinnvoll vereinbaren?
Studierende suchen vermehrt die psychologische Beratung der Studentenwerke auf. 26.000 Studierende haben sich 2011 in Einzelgesprächen beraten lassen, 2015 waren es bereits 32.000. Hauptprobleme der Studenten sind Prüfungsängste, Schwierigkeiten beim Studienabschluss und Arbeitsstörungen. Auch die Sozialberatung verzeichnet einen starken Anstieg: Fast 75.000 Einzelgespräche in den Sozialberatungsstellen der Studentenwerke wurden zu den Themen Studienfinanzierung, Jobben, Unterhaltsrecht, Krankenversicherung, Wohngeld und Rundfunkgebührenbefreiung geführt.
Mehr als ein Viertel der zwei Millionen deutschen Studierenden absolviert sein Studium faktisch in Teilzeit. So arbeiten 27 Prozent aller Studierenden im Erststudium nebenher mehr als 17 Stunden pro Woche. Das Studienangebot der Hochschulen trägt dem allerdings kaum Rechnung.
Ob Termine beim Standesamt, Fragen zu Formularen, der Müllabfuhr oder zum Elterngeld: Serviceeinheiten in Bund, Ländern und Kommunen sind durch die bundeseinheitliche Behördenrufnummer 115 vernetzt. Wer die Telefonnummer der örtlichen Verwaltung nicht zur Hand hat, findet unter der 115 eine erste Anlaufstelle für Verwaltungsfragen aller Art.
26 Beiträge